基于神经网络的字符识别

摘 要
字符识别是模式识别领域的一项传统的课题，这是因为字符识别不是一个孤立的问题，而是模式识别领域中大多数课题都会遇到的基本问题，并且在不同的课题中，由于具体的条件不同，解决的方法也不尽相同，因而字符识别的研究仍具有理论和实践意义。而神经网络模式识别方法是近些年提出的新方法，为字符识别研究提供了一种新手段，它具有一些传统技术所没有的优点：良好的容错能力、分类能力、并行处理能力和自学习能力。因而，采用神经网络识别方式是一种很好的选择。
本文首先介绍了模式识别的各种方法，并进一步了解了字符识别技术的基本理论，重点讨论了用人工神经网络方法对英文字符的识别，并考虑了噪声干扰或者是非线性因素的存在，使网络具有一定的容错能力，用MATLAB完成了对英文字符识别的模拟。
本次研究主要针对标准印刷体英文字符进行识别。结合模式识别和人工神经网络大量的相关算法，特别是目前在目标识别中用的最多的前馈神经网络模型及其采用的BP算法，利用GUI平台开发了自己的字符识别系统。

关键词：BP神经网络 模式识别 MATLAB
目 录
第1章 绪论 1
1.1 本课题研究的意义和目的 1
1.2 字符识别技术简介 1
1.2.1 字符识别技术的分类 2
1.2.2 当前的字符识别技术研究热点及国内外概况 2
第2章 模式识别技术的基本理论 4
2.1 模式识别简介 4
2.2 模式识别方法的比较 4
第3章 神经网络基础 6
3.1 人工神经网络发展简史 6
3.2 人工神经网络的性质 7
3.3 人工神经元基本模型和神经网络类型 8
3.4 神经网络的训练方法（学习方式） 9
3.5 BP神经网络 9
3.6 对BP算法进行改进 11
3.7 神经网络识别系统的设计 12
第4章 编程软件MATLAB及图形用户界面GUI简介 14
4.1 编程软件MATLAB 14
4.2 图形用户界面GUI简介 14
第5章 神经网络MATLAB仿真实验 16
5.1 问题的提出 16
5.2 GUI界面设计 16
5.2.1 网络训练 17
5.2.2 网络测试 27
5.2.3 字符识别 28
第6章 总 结 30
致 谢 31
参考文献 32